公开(公告)号：CN115861595B

公开(公告)日：2024-05-24

申请号：CN202211448179.8

申请日：2022-11-18

申请人： 华中科技大学

发明人： 杨卫东 ,  陈朝烁 ,  王公炎 ,  王科俨 ,  曾友峰 ,  单永志

IPC分类号： G06V10/25 ,  G06V10/75 ,  G06V10/764 ,  G06V10/774 ,  G06N20/00

摘要： 本发明公开了一种基于深度学习的多尺度域自适应异源图像匹配方法，属于图像匹配技术领域，包括：利用多尺度域自适应的特征提取网络提取异源图像中更加高级的特征，这些特征为异源图像的共有特征，利用共有特征能够更好的对不同源的图像进行精确匹配。其中，引用的金字塔分割注意力模块，能够很好的提取出不同尺度的图像特征，使得训练得到得网络模型能更好地适用尺度的变化。引入了条件域归一化的特征映射，使得训练的模型能够很好的适应不同源图像的数据分布。本发明利用PSA模块获得图像更多尺度的特征，用条件域归一化的特征映射来减小异源图像的特征差异，从而提高了异源图像匹配的精度，由此解决异源图像匹配的精度低的技术问题。

公开(公告)号：CN115861595A

公开(公告)日：2023-03-28

申请号：CN202211448179.8

申请日：2022-11-18

申请人： 华中科技大学

发明人： 杨卫东 ,  陈朝烁 ,  王公炎 ,  王科俨 ,  曾友峰 ,  单永志

IPC分类号： G06V10/25 ,  G06V10/75 ,  G06V10/764 ,  G06V10/774 ,  G06N20/00

摘要： 本发明公开了一种基于深度学习的多尺度域自适应异源图像匹配方法，属于图像匹配技术领域，包括：利用多尺度域自适应的特征提取网络提取异源图像中更加高级的特征，这些特征为异源图像的共有特征，利用共有特征能够更好的对不同源的图像进行精确匹配。其中，引用的金字塔分割注意力模块，能够很好的提取出不同尺度的图像特征，使得训练得到得网络模型能更好地适用尺度的变化。引入了条件域归一化的特征映射，使得训练的模型能够很好的适应不同源图像的数据分布。本发明利用PSA模块获得图像更多尺度的特征，用条件域归一化的特征映射来减小异源图像的特征差异，从而提高了异源图像匹配的精度，由此解决异源图像匹配的精度低的技术问题。